基于多步深度模型预测控制的光伏最大功率点跟踪研究

作     者：苏志鹏 

作者单位：广西大学 

学位级别：硕士

导师姓名：殷林飞

授予年度：2022年

学科分类：08[工学] 0807[工学-动力工程及工程热物理] 

主      题：模型预测控制 光伏发电系统 最大功率点跟踪 深度神经网络 均匀辐照度条件 部分阴影条件 

摘      要：为了解决未来中国的能源问题,推进“双碳战略,中国构建以可再生能源发电为主体的电力系统。光伏发电是现阶段应用较广泛并且极具发展前景的可再生能源发电形式。首先,针对光伏最大功率点跟踪（maximum power point tracking,MPPT）,本文提出了一种多步深度模型预测控制（multistep depth model predictive control,MDMPC）算法;其次,将MDMPC算法应用于均匀辐照度条件下的光伏MPPT;最后,将MDMPC算法应用于部分阴影条件下的光伏MPPT。本文的主要内容如下:（1）为克服模型预测控制无法实现光伏系统状态的精确多步预测的缺点,本文在模型预测控制的基础上结合多步预测模型和深度神经网络提出了一种MDMPC算法。MDMPC算法利用多步预测模型预测未来多个时刻的光伏系统状态;利用深度神经网络估计光伏组件的最大功率点参考值;采用两阶段优化的MPPT策略优化动态过程。（2）在均匀辐照度条件下,为快速准确跟踪变化的最大功率点,优化光伏MPPT动态过程,提高光伏发电效率,本文构建了均匀辐照度条件下的多步预测模型和均匀辐照度条件下的光伏阵列最大功率点参考值的计算模型;将MDMPC算法应用于均匀辐照度条件下的光伏MPPT。仿真实验设置均匀辐照度和温度呈现阶跃变化、平缓变化、非线性变化和随机变化4个案例,且设置了3种对比算法。仿真的系统响应曲线和性能指标表明MDMPC算法能够准确跟踪到最大功率点,并且具有更高的发电效率、更快的跟踪速度和更小的稳态振荡。硬件在环实验展示了功率、电压和电流曲线,实验结果表明MDMPC算法能够快速准确跟踪到均匀辐照度条件下的光伏阵列最大功率点。（3）在部分阴影条件下,为避免光伏阵列工作点陷入局部最大功率点,优化光伏阵列全局最大功率点跟踪动态过程,提高部分阴影条件下的光伏发电效率,本文构建了部分阴影条件下的多步预测模型和光伏阵列全局最大功率点计算模型;将MDMPC算法应用于部分阴影条件下的光伏全局最大功率点跟踪。仿真实验设置3个不同部分阴影条件下的案例,且设置了3种对比算法。仿真的系统响应曲线和性能指标表明了MDMPC算法能够避免工作点陷入局部最大功率点并准确跟踪到全局最大功率点,且具备更高得发电效率、更快的跟踪速度和更小的稳态振荡。本文在硬件在环实验平台上设置3种部分阴影条件对MDMPC算法进行验证。硬件在环实验结果展示了功率、电压和电流曲线。实验结果表明MDMPC算法能够快速准确跟踪到部分阴影条件下的全局最大功率点。